矩阵2范数与向量2范数的关系

向量2范数是对应元素平方和:

矩阵2范数是:

其中是矩阵的最大特征值.

除此之外,矩阵有一个F范数(Frobenius范数)倒是跟向量的2范数比较相似,是矩阵内所有元素平方和:

矩阵的2范数是向量二范数对应的诱导范数。给定某一种向量范数 ,它所对应的矩阵范数定义为:

左边的范数是矩阵范数,而右边分子分母都是向量范数,因为也是一个向量,通过这种方式定义出来的矩阵范数称为矩阵的诱导范数。可以证明,矩阵的2范数是由向量2范数诱导定义的。

更多的诱导范数的例子可以参照维基百科:Matrix norm - Wikipedia

参考:https://www.zhihu.com/question/57316170/answer/152423607

原文地址:https://www.cnblogs.com/wzdLY/p/10111427.html

时间: 2024-11-03 23:50:11

矩阵2范数与向量2范数的关系的相关文章

向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等

向量和矩阵的各种范数比较(1范数.2范数.无穷范数等等 范数 norm 矩阵 向量 一.向量的范数 首先定义一个向量为:a=[-5,6,8, -10] 1.1 向量的1范数 向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLAB代码实现为:norm(a,1): 1.2 向量的2范数 向量的2范数即:向量的每个元素的平方和再开平方根,上述a的2范数结果就是:15,MATLAB代码实现为:norm(a,2): 1.3 向量的无穷范数 1.向量的负无穷范数即:向量的

向量的范数

将学习到什么 范数可以看成 Euclid 长度的一种推广,范数在有关数值计算的算法分析以及估计中自然出现.本部分介绍其定义.内积导出的范数和相关的例子. ? 定义 ? 实的或者复的向量空间上的范数的四条公理如下所示: ??定义 1: 设 \(V\) 是域 \(\mathbf{F}\)(\(\mathbf{F}=\mathbb{R}\) 或者 \(\mathbb{C}\))上的一个向量空间. 函数 \(\lVert \cdot \rVert : V \rightarrow \mathbb{R}\)

矩阵是怎样变换向量的

一般来说,方阵能描述任意线性变换.线性变换保留了直线和平行线,但原点没有移动.线性变换保留直线的同时,其他的几何性质如长度.角度.面积和体积可能被变换改变了.从非技术意义上说,线性变换可能"拉伸"坐标系,但不会"弯曲"或"卷折"坐标系. 矩阵是怎样变换向量的 向量在几何上能被解释成一系列与轴平行的位移,一般来说,任意向量v都能写成"扩展"形式: 另一种略有差别的形式为: 注意右边的单位向量就是x,y,z轴,这里只是将概念数学化

定向和旋转向量四元数之间的关系

其实在前面的文章中我觉得应该给大家介绍一下.我们所讨论的姿态问题是几何中的定向问题, 在三维空间中我们如果需要知道一个刚体的具体方位,可以选定一个点这个点相对于刚体本身不会 动,但是这不足以了解运动的全貌,我们还需要一个旋转角度来确定. 以上的内容可以这样想象,在我们研究物理问题中常常采用质点的方法.比如在北京开往武汉的火车这个问题上,我们可以吧火车等效为质点,但是如果研究轮子的话,不仅需要位置的平移还需要角度的变化..额不知道大家理解没. 正是这个问题是惯导技术的基石我个人认为,在之后逐渐就有

np.linalg.norm(求范数)

1.linalg=linear(线性)+algebra(代数),norm则表示范数. 2.函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)①x: 表示矩阵(也可以是一维) ②ord:范数类型 向量的范数: 矩阵的范数: ord=1:列和的最大值 ord=2:|λE-ATA|=0,求特征值,然后求最大特征值得算术平方根(matlab在线版,计算ans=ATA,[x,y]=eig(ans),sqrt(y),x是特征向

矩阵学习-基本矩阵分类

矩阵分解 基本矩阵分类 正交矩阵 : \(AA^T=A^TA=I\) 正定矩阵 : 对于任何\(0\not=x\in R^n\), \(A^TxA>0\), \(A\)为正定矩阵 对称矩阵 : \(A=A^T\) 对称正定矩阵 :若满足\(A=A^T\),且对于任何\(0\not=x\in R^n\), \(A^TxA>0\), \(A\)为对称正定矩阵 Hermite矩阵 : 若满足\(A=A^T\),且对于任何\(0\not=x\in C^n\), \(A^TxA>0\), \(A\

什么是矩阵的范数【转载】

在介绍主题之前,先来谈一个非常重要的数学思维方法:几何方法.在大学之前,我们学习过一次函数.二次函数.三角函数.指数函数.对数函数等,方程则是求函数的零点:到了大学,我们学微积分.复变函数.实变函数.泛函等.我们一直都在学习和研究各种函数及其性质,函数是数学一条重要线索,另一条重要线索--几何,在函数的研究中发挥着不可替代的作用,几何是函数形象表达,函数是几何抽象描述,几何研究"形",函数研究"数",它们交织在一起推动数学向更深更抽象的方向发展. 函数图象联系了函数

什么是矩阵的范数

在介绍主题之前,先来谈一个非常重要的数学思维方法:几何方法.在大学之前,我们学习过一次函数.二次函数.三角函数.指数函数.对数函数等:到了大学,我们学微积分.复变函数.实变函数.泛函等.我们一直都在学习和研究各种函数及其性质,函数是数学一条重要线索,另一条重要线索--几何,在函数的研究中发挥着不可替代的作用,几何是函数形象表达,函数是几何抽象描述,几何研究"形",函数研究"数",它们交织在一起推动数学向更深更抽象的方向发展. 函数图象联系了函数和几何,表达两个数之间

机器学习中的范数规则化之(一)L0、L1与L2范数

机器学习中的范数规则化之(一)L0.L1与L2范数 [email protected] http://blog.csdn.net/zouxy09 转自:http://blog.csdn.net/zouxy09/article/details/24971995 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化.我们先简单的来理解下常用的L0.L1.L2和核范数规则化.最后聊下规则化项参数的选择问题.这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文.知识有限,以下都是我一